Matlab模板匹配实现图像运动估计（频域实现）

引言：在利用显微镜观测量物体的长度时，其精度非常高，然而，其行程却有限。一个测量较长物体的长度时，一种方法是在物体的左侧开始拍摄图像，然后移动相机（或者物体），再拍图像，直到拍摄到物体的右侧为止。对于其中拍摄的相邻的图像，如下图所示（图片由余师兄提供），需要计算它们的运动距离。

模板匹配：对于上面的图像，可以明显看出其往右移了，但对于精密测量来讲，求其移动的距离并精确到像素级非常重要。方法是在右图像上移动左图像，并比较其重叠区域的相似度程度，当其足够相似时，则认为找到了左右图像的关系。
一般的，相似度程度可以由SSD（误差平方和）或NCC（归一化积相关）来表征，当然，还有很多其它的方式可以表征，如SAD，但是个人认为SSD和NCC的性能更好，且其为线性函数，可以进行频域实现。
对于SSD，其评价函数为：

$$H(p,q)=\frac{\sum_U\sum _U(f(x,y)-g(i,j))^2}{N(p,q)}$$
其中的 $f$和 $g$为需要匹配的图像， $U$为 $f$和 $g$在位置 $(p,q)$时的重叠区域， $f$和 $g$的下标 $(x,y)$和 $(i,j)$不同，是因为重叠区域 $U$在 $f$和 $g$的位置不同引起的， $N(p,q)$表示重叠区域 $U$的点的个数。上式可以化简为：

H(p,q)=∑U∑U